vllm-project/vllm

Vendor MiniCPMV/MiniCPMO 处理器以解锁 Transformers v5 升级

建议开发者关注 vendor 处理器与上游的差异，确保后续 Transformers 升级时及时同步更新。此 PR 采用的 vendor 策略（直接复制关键依赖）适用于其他类似场景，但需评估长期维护成本。同时，建议增加更多端到端测试以覆盖新处理器的各种输入组合。

为 MXFP8 MoE 添加对 RELU2_NO_MUL 激活的支持

该 PR 功能明确、改动集中，评审无重大分歧，建议合并。但精读价值不高，主要关注点在于如何通过条件分支兼容不同激活和量化模式的设计模式。未来应考虑将 TRTLLM MXFP8 MoE 集成到统一 oracle 路径。

修复 Gemma4 启动时因 transformers 升级导致的崩溃

建议批准合并，修复明确且无副作用。同时建议后续为 `Gemma4MultiModalProcessor` 的 `_apply_hf_processor_text_only` 添加单元测试，防止类似回归。

修复混合Mamba模型block_size同步问题

该 PR 是一个针对明确 bug 的精准修复，改动量小，逻辑清晰，且带有单元测试。值得精读，尤其是理解 `_align_hybrid_block_size` 对 block_size 的影响以及 `EngineCoreReadyResponse` 的同步机制。对于维护监控指标正确性的开发者有参考价值。

将开发模式入口点统一移至 dev/ 目录

该 PR 是良好的代码组织重构示例，值得阅读以理解如何通过分离职责来模块化入口点。建议在代码审查中关注 `register_vllm_dev_api_routers` 的设计以及文件移动后的导入更新，确保没有遗留的硬编码路径。

修复DFlash前缀缓存因缺lookahead块的损坏

建议精读此PR及关联PR #43733，理解DFlash与EAGLE在KV写入时序上的根本差异，以及为何需要调整lookahead分配策略。设计上将条件抽取为独立方法并区分bonus token的做法值得借鉴。对于维护者，建议在合并后运行DFlash的端到端测试（如`test_dflash.py`）验证无回归。

为 XPU 添加 Triton 实现的 Mamba selective scan 前向操作

**值得精读**：对 Triton kernel 的开发者和硬件移植团队有参考价值，展示了如何将 CUDA 自定义算子移植到 Triton 并在新硬件上运行。**设计决策关注点**：选择 Triton 而非原生 SYCL 或 Level Zero，降低了开发成本但牺牲了部分性能；并行化策略的取舍（访存 vs 计算）是典型 trade-off，读者可对比仓库中其他 Triton kernel（如 `fused_moe`）的维度安排。**后续跟进**：建议作者或社区优先优化访存模式（如交换 dim/seqlen 的并行维度），并补充 Triton kernel 的单元测试。

为 KV offload 添加 on_schedule_end() 钩子

建议精读，尤其是理解生命周期分离的设计模式。该 PR 展示了如何通过添加明确的生命周期钩子来改善模块内部职责划分，值得在类似场景中参考。